| 研究課題/領域番号 |
24500018
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
情報学基礎
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
竹内 純一 九州大学, システム情報科学研究科(研究院, 教授 (80432871)
|
|---|
| 連携研究者 |
小野 廣隆 九州大学, 経済学研究院, 准教授 (00346826)
|
|---|
| 研究協力者 |
BARRON Andrew R. Yale University, Dept. of Statistics, 教授
|
|---|
| 研究期間 (年度) |
2012-04-01 – 2015-03-31
|
| 研究課題ステータス |
完了 (2014年度)
|
| 配分額 *注記 |
5,330千円 (直接経費: 4,100千円、間接経費: 1,230千円)
2014年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2013年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2012年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 記述長最小原理 / MDL / 確率的コンプレキシティ / 指数型分布族 / 木情報源モデル / 局所指数族バンドル / Jeffreys事前分布 / 木情報源 / Markovモデル / スパース重ね合わせ符号 / MDL原理 / Bayes符号 / ガウス通信路 / 混合型分布族 / ポートフォリオ |
|---|
| 研究成果の概要 |
記述長最小原理(MDL原理)について，確率的コンプレキシティ(SC)の評価と，SCを達成する最適な予測法(minimax予測)の研究を実施した．具体的には，i.i.d.の正則なi.i.d.モデルについて，ターゲットクラスに関するJeffreys事前分布を用いたBayes混合と，その局所指数族バンドル上のBayes混合の組み合わせによってSCが達成できることを示した．特に混合型分布族および木情報源モデルについては，データ列に関する制約を除去することに成功した．また通信路容量を達成する誤り訂正符号の一つであるスパース重ね合わせ符号(Barronら，2011-)の研究を行った．
|
